引言

月初经营会，老板问上月大客户的销售完成得怎么样。业务顺手问一句，几秒钟出来一个数。会开到一半，大客户部说数不对，两个集团客户的业绩记在总部。

这场面不新鲜。dbaplus 社群援引的 2026 年调研显示，已部署智能问数的企业里，九成企业业务部门使用率不足三成，多数人试一两次就回去找 IT 取数。

智能问数就是业务用一句人话提问，系统自动取数出结果，也叫 ChatBI、自然语言问数。实现上分两派，一派让模型直接写 SQL，也就是 NL2SQL，一派先解析意图再调指标层。

问题不全在模型。单指标、单条件的问法够用了；带上同比修正、多维交叉、跨表关联，准确率断崖下降。更常见的卡点在脚下：口径、数据、运营。

以下三个方向，按顺序查，前面的不通，后面的白做。

一、口径没统一，答得越快错得越远

一个词，三个部门三种算法

业务说的新客，市场部算注册，销售算首次下单，财务算首次回款。三个都不算错，报表里只能有一个数，模型不知道你们按哪个算。

模型会猜，猜不出你们的规则

一句大客户销售完成得怎么样，要先定按签约主体还是按集团归并、销售额按发货还是按回款。规则不写进系统，模型只能按最常见的那种猜。

一个很土的自查办法

挑五个最常问的指标，请负责人各写一句算法。写不出来是没定口径，五个写出三个版本是没落到系统，两种都会翻车。

我们的经验是，做过指标口径梳理的项目，业务愿意继续用的比例明显更高。把算法、维度、时间口径写成清单，落到数据仓库的指标层也就是语义层，模型才有依据。

二、数据没打通，能答的范围比想象的小

模型只看得见你给它的表

不少方案本质是模型加几张预制分析表，超出范围就答不上来，或者硬凑一个数。演示时问题准备好的，生产里是随机的。

明细不在，追问就断

业务问完总数，多半追问为什么、掉在哪几个客户。只建汇总层，第一问能答，第二问就断。数据仓库怎么分层，决定能追问几层。

判断标准：拿十个真实问题去试

不要让厂商用准备好的问题演示。让业务挑十个最近真实问过的问题，至少三个是追问。答不上来的比例，就是上线后的实际可用率。

三、没人管，再准也没人用

前两节讲能不能用，这节讲有没有人管。

权限照搬，一线进不去

常见两种走偏。一种照传统报表配权限，一线进不去；一种放得太松，个别岗位能看到全区域利润。前者试两次就放弃，后者风控叫停。

上线即交付，后面没人运营

另一些项目验收时准确率还行，上线后没人跟进，一个月活跃用户掉了一大半，结论就成了这东西不行。

判断也简单，第二周日活不到第一周一半才是真流失，其间回落正常。找前十个用户逐个问，比问卷管用。

四、常见问题

问：先做数据治理，还是先上智能问数？

答：不用等治理做完。选一条业务线、二十个高频指标，面向应用而治理，先把这一个场景做到能用，再往外扩。全量铺开之后再回头补治理，成本会高很多。

问：准确率做到多少算合格？

答：分两类看。固定指标的查询要接近全对才有意义，开放式追问短期做不到。实际的做法是给业务划一条边界，圈内保证可用，圈外直接说答不了。宁可说不知道，也别给一个像样的错数。

问：已经上了 BI，还需要这套东西吗？

答：智能问数是 BI 的一个入口，不是另起一套系统。指标层和权限通了，加这个入口成本不高；BI 本身没人用，先解决 BI 的问题，否则只是多一个没人点的入口。

问：数据要不要出内网？能不能私有化部署？

答：看部署方式。私有化部署时模型和取数都在内网，数据不出域；调用外部大模型接口的方案，查询结果或表结构会离开内网，这类要先过安全评估，再谈体验。

结语

智能问数把取数的门槛降下来了，但没替你把口径定下来，也没替你承担分析的重量。

德昂信息十七年专注数据管理与 BI 领域，服务近五百家企业客户，帮助企业实现数据可信、分析透明、决策智能。